Pandas NaN详解|极客笔记

Pandas NaN详解

Pandas是一个用于数据分析的强大工具，它能够处理各种不完整或有缺失值的数据。NaN（Not a Number）是Pandas中用来表示缺失值的标记。在本文中，我们将详细介绍Pandas中NaN的处理方式，包括如何检测、处理和替换缺失值。

检测NaN值

在Pandas中，我们可以使用isnull()或isna()函数来检测DataFrame中的NaN值。这两个函数是等价的，在实际应用中可以根据个人喜好选用其中之一。

示例代码如下：

import pandas as pd
import numpy as np

data = {'A': [1, 2, np.nan, 4],
        'B': [np.nan, 2, 3, 4],
        'C': [1, 2, 3, 4]}

df = pd.DataFrame(data)
print(df.isnull())

运行结果如下：

       A      B      C
0  False   True  False
1  False  False  False
2   True  False  False
3  False  False  False

从运行结果可以看出，isnull()函数返回一个布尔值的DataFrame，其中True表示对应位置为NaN值。

删除NaN值

在处理包含NaN值的数据时，有时我们希望将这些NaN值所在的行或列删除。Pandas提供了dropna()函数来实现对NaN值的删除。

示例代码如下：

print(df.dropna())

运行结果如下：

     A    B  C
1  2.0  2.0  2
3  4.0  4.0  4

在上面的示例中，我们调用了dropna()函数删除了含有NaN值的行。可以看到，原DataFrame中包含NaN值的第0行和第2行被删除了。

替换NaN值

除了删除NaN值之外，我们还可以使用fillna()函数来替换NaN值。fillna()函数可以接受一个参数，用于指定替换NaN值的值。

示例代码如下：

print(df.fillna(0))

运行结果如下：

     A    B  C
0  1.0  0.0  1
1  2.0  2.0  2
2  0.0  3.0  3
3  4.0  4.0  4

在上面的示例中，我们调用了fillna(0)函数将所有NaN值替换为0。可以看到，原DataFrame中的NaN值都被替换成了0。

除了填充具体的数值外，我们还可以使用一些其他方法来替换NaN值，比如使用平均值、中位数或众数来填充NaN值。下面是一个示例代码：

mean_A = df['A'].mean()
df['A'].fillna(mean_A, inplace=True)
print(df)

运行结果如下：

     A    B  C
0  1.0  NaN  1
1  2.0  2.0  2
2  2.3  3.0  3
3  4.0  4.0  4

在上面的示例中，我们计算出了’A’列的平均值，并使用该平均值来填充’A’列中的NaN值。

总结

本文详细介绍了Pandas中NaN值的处理方式，包括检测、删除和替换NaN值。在实际应用中，我们可以根据数据的特点和处理需求选择适当的方法来处理NaN值，以保证数据的完整性和准确性。

Pandas NaN详解